首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    阿里为何再造年货节?只为实现三大跨越

    为了迎接春节到来,阿里不仅准备要跟腾讯大干一场红包大战,还做了一个张灯结彩、喜气洋洋、透着浓浓乡情年味的年货节。对于电商平台而言,人工造节本是稀松平常的事情,阿里先后造了双十一、双十二,但阿里年货节跟之前的电商节却有许多不一样的地方,它实现了三大跨越。 第一大跨越:物质鸿沟 移动互联网正在消灭农村和城市之间的信息鸿沟,它让许多原来根本接触不到互联网的人成为了移动网民,他们学会了通过互联网获取更及时更全面更丰富的信息。但是,横亘于农村与城市之间的不只是信息鸿沟,还有物质鸿沟:很多农村地区只能买到『非常可乐』

    08

    通付盾升级数信云4.0,利用人工智能、区块链及Web3安全技术助力数据要素市场化

    数据作为新型生产要素已成为数字时代的核心生产力。人工智能、区块链、云计算等新兴技术提升了数据要素的使用效率,开启数字化浪潮。但同时,以“数据上云”为代表的数据应用趋势也带来了数据安全、数据隐私和数据共享难等一系列阻碍数据要素化的问题。2022年12月国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》(简称“数据二十条”),从数据产权、流通交易、收益分配、安全治理等方面提出指导性建议。区块链与数据要素技术的融合是完善数据要素体系,提升数据要素价值,推动数据要素共享,实现数据要素市场化的重要技术路线。通付盾结合区块链、人工智能和Web3安全合规等自身核心技术与优势技术,完成对数信云的全面升级,“以数据为中心”、“云链一体”,数信云走入4.0时代。

    06

    [长文]全球舞台上的欧洲数据隐私规制

    编者按:美国司法部于5月19日起诉5名中国军人,指控他们通过网络窃取美国公司的商业机密,这是美国政府首次公开控告外国政府公务人员针对美国公司实施网络黑客犯罪。同日,中国外交部发言人秦刚就此事发表谈话称:“鉴于美方对通过对话合作解决网络安全问题缺乏诚意,中方决定中止中美网络工作组活动”。这一事件凸显了数据隐私规制的重大意义。本期发表的“全球舞台上的欧洲数据隐私规制:政策出口还是实验主义?”一文,探究了在错综发杂的强权政治背景下推进实验主义合作治理的五个机制,对于中国相关领域的政策治理颇有启发。 导言: 从

    05

    Hyperledger Fabric区块链数据隐私保护

    区块链账本是由一个个区块构成,后一个区块包含了前一个区块的Hash,多个参与方通过共识保证各个参与方的数据一致。区块之间的链式结构和多份的数据冗余很大程度上保证了数据的透明性和不可篡改性。在联盟链中,结合区块链上数据的透明性和不可篡改性,确保链上数据可信,利用可信数据,减少中间流程,降低风险,从而加速整个业务流程的运转。区块链上数据透明性是一把双刃剑,透明保证可信,但是在很多商业场景中,数据具有隐私的特性。如何在透明性和隐私性之间平衡,是区块链需要解决的一大问题。链上的数据隐私可以从两个层面考虑,一个是账本数据传播范围,一个是业务数据上链方式。

    01

    SDK安全之道:如何识别第三方SDK留下的“暗门”

    SDK隐私问题往往比较容易被入门开发者忽略,去年因为SDK隐私问题引起整个移动互联网行业关注的事件屈指可数: (有米、百度…) SDK隐私规范有哪些类型?哪些对于开发者来说应当谨慎对待? 1、索引权限 在国内,应用索取权限是个顽固的老问题,稍微有点儿追求的应用都会索要一系列七七八八的权限(应用开发者为了实现更多的功能,采集更多的数据,往往需要做很多权限声明)。有时你会发现一个扫二维码的应用想要“读取通讯录”的权限、一个监测空气质量的软件需要摄像头和麦克风的权限,其实这些莫名的权限需求可能连开发者自己都没想过

    05

    「图学习隐私与安全」最新2023研究综述

    虽然海量的现实需求为人工智能提供了广阔的应用场景,但要求人工智能系统适应复杂的计算环境.然 而,传统人工智能算法的研究都假设其应用环境是安全可控的.大量研究和实践工作表明当前的人工智能技术普 遍对外在风险考虑不足,相关数据和模型算法存在隐私与安全风险.由于人工智能安全的现实需求以及图学习的 巨大影响,图学习的隐私与安全问题成为当前图学习领域面临的重要挑战.为此,研究人员近年来从图学习系统的 各个环节出发对图学习隐私与安全问题进行了研究,提出了相关的攻击和防御方法.本综述首先阐述研究图学习 隐私与安全的重要意义,然后介绍图学习系统的基本过程、图学习面临的主要隐私与安全威胁以及图学习的隐私 与安全特性;在上述基础上,分别从图数据隐私、图数据安全、图模型隐私和图模型安全四个方面对现有研究工作 进行系统的归纳总结,讨论主要成果和不足;最后,介绍相关的开放资源,并从数据特征、解释性、研究体系和实际 应用等方面探讨面临的挑战和未来的研究方向.

    04
    领券